高校图书馆大数据应用的SWOT分析与对策研究

李寅

关键词：大数据；高校图书馆；SWOT分析法

摘要：大数据的广泛应用对高校图书馆的建设与发展产生了重要影响。文章对国内外高校图书馆大数据的应用与研究进行了梳理，利用SWOT分析法对图书馆大数据应用的内外部影响因素进行了全面剖析，并提出针对性策略，以期为推进我国高校图书馆大数据应用提供借鉴。

中图分类号：G258.6文献标识码：A文章编号：1003-1588（2017）11-0061-03

1高校图书馆大数据应用概况

2011年5月，麦肯锡首次提出“大数据”的概念。2012年3月，美国奥巴马政府推出的“大数据的研究和发展计划”掀起了大数据应用和研究的热潮。英国哈德斯菲尔德大学图书馆、澳大利亚卧龙岗大学图书馆、美国哈佛大学图书馆等高校图书馆先后对大数据展开了深浅不一、角度各异的尝试和探索。我国的清华大学图书馆、复旦大学图书馆、厦门大学图书馆等高校图书馆也开始关注并应用大数据开展服务。

2高校图书馆大数据应用的SWOT分析

2.1优势

2.1.1初具大数据特征。当前，大数据虽无统一、标准的定义，却具有公认的“4V”特征：①数据（Volume）规模大。高校图书馆的新购纸质文献、新增数据库及各类音视频数据、传感器数据、交互数据、体验数据等数据量激增，以TB甚至PB为单位。②数据类型（Variety）多。随着微博、微信、博客等社交平台的广泛应用，半结构化、非结构化数据日益增多，高校图书馆的数据类型已由单一的结构化数据向全数据转化。③时效性（Velocity）强。专家、学者、教师及学生借助社交网络交流时迸发的某些新思想或新观点可能对学科发展具有重要意义，若不及时处理就会失去价值。④价值密度（Value）低。智能手机、平板电脑等移动终端的普及在方便图书馆与用户、用户与用户交流的同时，也会导致数据急剧增长，从而使真正有价值的数据被海量、无用、甚至是错误的数据淹没。

2.1.2良好的基础条件。随着我国高等教育事业的快速发展及“985工程”“211工程”、本科教学评估等项目的不断推进，高校图书馆初步具备大数据应用所需的人才、设备及技术。大数据与移动互联网、物联网、云计算等技术密切相关，而这些技术在高校图书馆早已被广泛应用。如：2003年，北京理工大學图书馆开通了移动图书馆服务；2006年，集美大学诚毅学院图书馆建设了国内首家“RFID智能馆藏系统”并投入运行；2010年，中国高等教育文献保障系统（CALIS）构建的分布式的数字图书馆云服务平台投入使用。

2.1.3强烈的应用需求。由于种种因素制约，当前我国高校图书馆学科化与个性化服务效果不甚理想，主要表现为：针对性不强或深度不够，与需求错位甚至脱节，缺乏用户体验且认可度低等。涂静对西南交通大学图书馆的学科化与个性化服务调查显示，仅有22.4%的读者满意或比较满意，而不满意或比较不满意者却高达34.5%[1]。让读者满意是图书馆永恒的宗旨，大数据为高校图书馆的学科化与个性化服务注入了新活力，其迫切需要借助大数据技术对那些看似杂乱无章的半结构化、非结构化数据进行深度挖掘，及时感知用户真实的信息情景，准确把握用户需求及偏好，提供用户真正需要的产品和服务，使学科化服务更深入，个性化服务更精细。

2.2劣势

2.2.1大数据理念与思维淡漠。大数据思维，就是人们在处理和利用大数据过程中形成的思维方式，主要包括总体思维、容错思维、相关思维等。理念是行动的先导，大数据思维是大数据应用的前提。当前，许多高校图书馆工作者的大数据理念淡漠，存在认识误区，要么对大数据一知半解，仅片面强调数据规模大，而忽略其他要素；要么简单地认为大数据仅是一种新技术而忽略了大数据的其他特征，观念滞后，思维方式仍停留在“小数据”的思维模式。另外，高校图书馆工作者对图书馆的服务和管理主要依赖自身主观经验，没有对全数据进行客观分析，或过分注重因果关系的分析，而忽视对读者与馆员、资源、设施之间相关关系的挖掘。

2.2.2资源建设与管理滞后。高校图书馆的数据资源主要由文献数据、业务数据和用户数据三大类型构成。文献数据与业务数据是图书馆的基础数据，多为结构化数据，记录图书馆日常的服务与管理活动，而用户数据是图书馆的核心数据，多为半结构化、非结构化数据，隐藏着读者利用图书馆的习惯与偏好。以用户数据为代表的高校图书馆非结构化数据具有产生主体明确、信息情景丰富、学术价值较高等特点，对图书馆的服务和管理具有重要的支撑作用。但由于半结构化、非结构化数据的采集、存储和利用都存在许多现实困难，而高校图书馆也缺乏对这些数据的建设与管理经验，导致结构化数据多，非结构化数据少甚至没有，致使馆藏数据结构不合理。

2.2.3专业人才匮乏。大数据应用将重构图书馆的资源管理体系，高校图书馆在数据处理、分析、安全及管理等方面都需要专业人才，尤其是数据分析对专业人才的要求更高，不仅需要其具有统计学、决策科学、数据库技术、可视化技术等多学科的专业技术，还要求其熟悉图书馆的业务流程，目前我国高校图书馆普遍缺乏这样的专业人才。《2015中国大数据应用前沿调研报告》显示，在传媒行业，大数据应用的首要问题是“缺乏大数据专业人才”（33.3%），其次是“数据分析能力不足”（21%）[2]，这也是高校图书馆开展大数据应用的主要障碍。

2.3机遇

2.3.1时代发展的要求。2015年12月，阿里巴巴董事局主席马云在第二届世界互联网大会闭幕式上提出“世界正从‘IT时代进入‘DT时代”。DT（Data Technology）时代，即大数据时代，DT时代是一个数据驱动的智慧时代，更是一个用户体验至上的时代。在大数据时代，高校图书馆的读者信息需求发生了很大变化，呈现情景化、多元化、个性化等特点。这就要求高校图书馆掌握时代发展脉搏，以用户为中心推进大数据的管理与服务创新，挖掘用户真实需求，关注用户习惯与偏好，为其提供个性化定制服务、学科化知识服务等智慧服务，有效提升用户体验。endprint

2.3.2国家政策的推动。2015年8月，国务院出台的《促进大数据发展行动纲要》对交通、医疗、教育、文化、科技等领域的大数据发展工作进行了系统部署。2015年10月，党的第十八届五次全体会议通过的《中共中央关于制定国民经济和社会发展第十三个五年规划的建议》提出实施国家大数据战略，推进数据资源开放共享，将大数据发展正式上升为国家战略。2016年6月，教育部出台的《教育信息化“十三五”规划》要求各级各类学校积极通过云计算、大数据等新技术有效提升信息化服务学校教育教学的能力。以上众多政策、规划的颁布与实施为高校图书馆的大数据应用和发展创造了良好环境。

2.3.3成功经验的助力。2013年，清华大学图书馆利用大数据技术对馆藏资源、网络资源等数据汇聚和挖掘后建立了知识关联网络，为用户提供知识服务。2016年，厦门大学图书馆在收集、整理读者利用图书馆数据的基础上，增加了他们在食堂和超市的消费记录数据，并对这些读者行为数据进行分析和挖掘，开展了“圕·时光”特色服务，深受读者好评[3]。2014年，美国斯坦福大学图书馆联合加利福尼亚大学图书馆启动的ePADD项目，对挖掘和提升电子邮件的大数据价值进行了有益尝试。2015年，美国雪城大学图书馆开展的STACK项目，通过对社交网络中与2016年总统大选相关信息的收集和挖掘，分析和预测大选发展趋势和可能出现的新情况、新问题[4]。

2.4威胁

2.4.1用户隐私安全。大数据在推动服务创新的同时也加剧了读者的隐私安全风险，读者信息包含身份证号码、手机号码、家庭信息等敏感数据，而大数据的采集、存储、挖掘、传播、利用等环节都有可能使读者的隐私信息被侵犯和外泄。图书馆在采集与存储环节，可能会因为过度追求管理与服务效果而忽视读者对自身数据的知情权和控制权，而与图书馆合作的云服务商不完善的管理、存储及营销策略也可能导致读者隐私泄露；在分析与挖掘环节，可能会出现与读者相关的家庭或朋友的数据被过度挖掘；在传播与利用环节，部分职业道德欠缺和法律意识淡薄的馆员可能会为牟取私利而出售读者数据。因此，如何有效化解隐私泄露危机，确保读者信息安全是高校图书馆大数据应用必须深入研究的重要课题。

2.4.2读者分化与流失。随着新媒体的不断涌现，手机已成为大学生获取信息的重要媒介，同时以网络化、碎片化、娱乐化为特征的“浅阅读”也成为其重要的阅读形式。信息获取途径和阅读习惯的改变加剧了高校图书馆读者的分化与流失。相关调查显示，通过网络途径获取信息的大学生比例高达72%，而通过图书馆获得信息的大学生仅为18%，仅有28%的大学生经常访问图书馆的网站，有25.3%的大学生从未访问过图书馆的网站[5]。读者是图书馆的上帝，读者的需求和满意度是高校图书馆大数据应用的原动力，读者的流失会对图书馆大数据的发展带来障碍。

3建议与对策

3.1树立大数据理念

大数据时代是“以用户为中心”的时代，对高校图书馆而言，大数据理念本质上就是关注用户行为、重视用户数据、满足用户需求的服务理念。高校图书馆要牢固树立大数据理念，首先应内化于心，组织馆员认真学习大数据思维，消除对大數据认识的误区。其次更应外化于行，高校图书馆应改变以往在资源建设和读者服务中只片面注重主观经验的思维方式，充分挖掘数据的价值，通过用户数据及时、准确地把握不断变化的读者需求，将大数据理念融入图书馆工作的全过程。

3.2强化数据资源建设

大数据时代，高校图书馆传统的文献资源建设模式正向数据资源建设模式转变，半结构化、非结构化数据日益成为图书馆的重要资源。要做好数据资源建设工作，首先，高校图书馆应扩展建设范畴，将数据资源建设范畴由以纸质文献和电子文献为主的结构化数据，向囊括音视频数据、系统数据、环境数据、读者行为数据等半结构化和非结构化数据在内的全数据扩展。其次，高校图书馆应注重数据整合。高校图书馆的大数据类型多样、结构复杂，只有进行去粗存精的数据整合，才能剔除噪声数据，消除信息孤岛，更便于数据分析与挖掘。再次，高校图书馆还应积极进行数据关联，通过不同的研究项目和学科主题线索，对数据进行关联再造，实现数据价值增值。最后，高校图书馆应健全标准规范，依靠科学的标准和规范，实现对多种渠道来源、不同类型结构数据精确、高效、统一的存储和管理。

3.3注重人才队伍建设

高校图书馆大数据人才匮乏是不争的事实，要解决人才问题须从引进、培养、提升等方面多措并举、多管齐下。首先是培养。高校图书馆可通过委托培养的方式选拔本馆符合条件的馆员到相关高校进修数据存储、挖掘、分析等相关课程，培养“本土型”数据馆员。2014年7月，北京大学信息管理系增设了大数据方面的情报学专业硕士高级研修项目，清华大学、中国科学院也先后推出了大数据技术或应用方向硕士的培养项目[6]。其次是引进。高校图书馆应积极向上级争取支持，改善环境与待遇，引进图书馆“留得住，用得上”的大数据专业人才。最后是提升。高校图书馆应通过专家讲座、探讨交流、实践锻炼等多种途径不断提升全体馆员的数据素养，打造高素质的人才队伍。

3.4确保用户隐私安全

大数据环境下，读者的隐私侵权表现出主体多元化、途径便捷化、方式隐蔽化等新特征，读者的隐私保护需要政府部门、行业协会、图书馆及用户等各方共同努力。宏观上，政府应加快推进《个人信息保护法》的立法进程，做到个人信息保护有法可依；中观上，中国图书馆学会或全国高校图工委可借鉴国外先进经验，如英国的《图书馆用户隐私指南》、澳大利亚的《图书馆隐私保护指南》等，制定符合我国国情的图书馆用户隐私保护指南[7]；微观上，高校图书馆应不断完善制度，提升技术能力，用户也应积极提高自身隐私保护意识与能力，最大限度地防范隐私被泄露。

参考文献：

[1]涂静.高校图书馆个性化服务评价指标体系研究：以西南交通大学为例[D].成都：西南交通大学，2016.

[2]中关村《2015中国大数据应用前沿调研报告》[EB/OL].[2016-05-22].http：//mt.sohu.com/20160522/n450800700.shtml.

[3]张浩如.大数据时代的图书馆品牌建设与营销[J].图书与情报，2016（5）：70-75.

[4]吴晓静.美国高校图书馆大数据服务实践研究及启示[J].河南图书馆学刊，2016（7）：122-124.

[5]谭影虹.从数字图书馆到数据图书馆：大数据时代的图书馆服务范式转变[J].图书与情报，2016（3）：75-78.

[6]马海群，蒲攀.大数据视阈下我国数据人才培养的思考[J].数字图书馆论坛，2016（1）：2-9.

[7]田淑娴.许春漫.国外图书馆用户隐私保护指南文本分析与启示[J].图书情报工作，2015（18）：61-66.

（编校：徐黎娟）endprint